【摘要】：磨削加工能實現(xiàn)零件的高精度加工,是現(xiàn)代機械制造業(yè)中零件表面加工不可或缺的一種加工方法。但在加工過程中存在磨削顫振,磨削顫振會對零件加工質(zhì)量產(chǎn)生一系列負面影響。由于磨削加工過程中振動信號的非平穩(wěn)性、多維性和非線性的特點,傳統(tǒng)的信號分析方法如短時傅里葉變換、奇異值分解和S變換等,在處理此類信號時具有很大的局限性。而二維經(jīng)驗?zāi)B(tài)分解(Bivariate Empirical Mode Decomposition,BEMD)具有完備性、正交性和自適應(yīng)性,能夠有效地提取磨床顫振特征信息以進行磨削顫振的識別和預(yù)測。識別和預(yù)測磨顫振對保障磨床正常運行、提高被加工零件的精度具有重要的工程意義。因此,本文以KD4020X16型數(shù)控龍門導(dǎo)軌磨床為研究對象,搭建振動加速度信號采集平臺,采集磨床在不同磨削參數(shù)下的振動加速度信號。在此基礎(chǔ)上,進行了振動信號處理方法、顫振狀態(tài)識別和顫振預(yù)測等幾個方面的研究。具體研究內(nèi)容如下:(1)闡述了磨床振動信號分析方法、磨削顫振識別技術(shù)和磨削顫振預(yù)測技術(shù)的發(fā)展現(xiàn)狀,總結(jié)了當(dāng)前研究仍存在的問題。(2)提取磨床振動信號的顫振特征量。對測得的砂輪主軸X和Z軸方向的振動信號進行重構(gòu),得到二維復(fù)值信號。利用BEMD對其進行處理,得到多階固有模態(tài)函數(shù)分量�；趥�分量之間的正交特性,提出基于相關(guān)系數(shù)的固有模態(tài)函數(shù)篩選準則,并提取有效的固有模態(tài)函數(shù)。對比分析各常用特征量,提出將實時方差作為顫振特征量,并提取試驗信號實時方差。(3)針對顫振閾值難以確定問題,建立控制圖模型對磨床工作狀態(tài)進行識別。選取穩(wěn)定階段的實時方差序列,在驗證了正態(tài)性和相關(guān)性的基礎(chǔ)上,結(jié)合?3?法則求得控制圖的上、下控制限并建立控制圖模型。將后續(xù)實時方差按時間順序輸入控制圖模型中,根據(jù)控制圖判異準則對實時方差序列進行監(jiān)測,進而實現(xiàn)了對磨床磨削顫振狀態(tài)的識別。(4)為實現(xiàn)對顫振時刻的預(yù)測,提出基于控制圖和ARIMA模型的磨床顫振預(yù)測方法。對穩(wěn)定階段的實時方差序列進行平穩(wěn)化處理,得到平穩(wěn)時間序列。求解平穩(wěn)時間序列的自相關(guān)和偏自相關(guān)函數(shù)以進行模型階次識別,建立最優(yōu)的ARIMA模型。利用建立的ARIMA模型對實時方差進行預(yù)測,即預(yù)測磨床工作狀態(tài)的趨勢。提出基于控制圖和ARIMA模型的磨床顫振預(yù)測方法,對顫振發(fā)生時刻進行預(yù)測。
【學(xué)位授予單位】：浙江理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TG596
【圖文】：

7圖 1.1 技術(shù)路線圖1.4 本章小結(jié)本章分別對磨削顫振機理、常用的信號處理方法、顫振狀態(tài)識別方法和顫振預(yù)測方法的國內(nèi)外現(xiàn)狀進行概述，針對磨床振動信號非線性、非平穩(wěn)和多維度的特性，將 BEMD 方法引入到信號處理中以獲得含有振動信息的固有模態(tài)函數(shù)，然后提出了基于控制圖理論的顫振狀態(tài)識別方法，隨后利用控制圖理論和 ARIMA 結(jié)合模型對磨床顫振進行預(yù)測，確定了研究的主要思路，最后對論文接下來的工作內(nèi)容安排進行了敘述，并給出技術(shù)路線圖。

圖 2.1 短時傅里葉變換示意圖短時傅里葉變換雖然在一定程度上，解決了傅里葉變換在處理非平穩(wěn)信號上的不足和時域無分辨率的問題，如西安交大的胡振邦[45]就將短時傅里葉變換運用到主軸振動的非平穩(wěn)信號的處理中，但是短時傅里葉變換窗函數(shù)的選擇仍存在不足且缺乏自適應(yīng)性，當(dāng)窗選擇越寬時，時間分辨率越差，當(dāng)窗選擇越窄時，頻率分辨率越差，總之短時傅里葉變換無法兼顧時域和頻域的分辨率。2.1.2 奇異值分解奇異值分解簡稱 SVD，最早是由 Beltrami 和 Jordan 兩位學(xué)者提出，是現(xiàn)代線性代數(shù)中的一種正交變換，原理是通過將行或者列線性相關(guān)矩陣的左右分別乘上正交矩陣，轉(zhuǎn)化成一個對角矩陣，并將原矩陣中獨立行（列）矢量的個數(shù)轉(zhuǎn)化為奇異值個數(shù)表現(xiàn)出來。SVD不僅在矩陣變換領(lǐng)域有著重要作用，而且被廣泛地運用于工程實踐中，如華南理工大學(xué)的趙學(xué)智[46]等人利用奇異值分解的方法成功地提取了一些復(fù)雜信號中的弱故障特征信息。上[47]

實現(xiàn)對顫振的預(yù)測，減少顫振的發(fā)生，降低顫特征量的提取流程產(chǎn)中磨床振動信號具有非線性、多維性和非平穩(wěn)性等特點分析中[52]，得到含有不同特征尺度的 BIMF 分量，再利用方差的求解。提取的整個過程主要有以下 3 步，另附流程圖 2.2 進行說號的預(yù)處理。首先要將實驗采集系統(tǒng)中采集到的 X 和 Z 方復(fù)值信號，然后對重構(gòu)的信號進行小波去噪，盡量減少噪EMD 處理。對經(jīng)過預(yù)處理的數(shù)據(jù)進行 BEMD 分解，得到所提到的篩選準則對 BIMF 分量進行篩選，得到真實的 BIM征量的提取。通過實時方差計算方法求得每一階真實 BIM將各階真實 BIMF 的特征值進行疊加，得到顫振特征向量。

【參考文獻】

相關(guān)期刊論文 前10條

1 王莉;趙淵;楊顯明;馬建民;黃韜;高宏;;基于時間序列模型與殘差控制圖的蘭州市空氣質(zhì)量研究[J];高原氣象;2015年01期

2 佟榮磊;劉強;;數(shù)控加工過程顫振識別與抑制系統(tǒng)[J];組合機床與自動化加工技術(shù);2015年02期

3 李堯;劉強;;基于小波包及Hilbert-Huang變換的數(shù)控銑削顫振診斷技術(shù)[J];計算機集成制造系統(tǒng);2015年01期

4 張潔;高宏力;陳春俊;傅攀;;高速列車非平穩(wěn)振動信號盲源分離方法及應(yīng)用[J];機械工程學(xué)報;2014年19期

5 劉壽春;趙春江;楊信廷;錢建平;王國利;鐘賽意;;豬肉冷鏈物流感官質(zhì)量控制圖設(shè)計與應(yīng)用"[J];農(nóng)業(yè)機械學(xué)報;2014年07期

6 胡振邦;許睦旬;姜歌東;張東升;;基于小波降噪和短時傅里葉變換的主軸突加不平衡非平穩(wěn)信號分析[J];振動與沖擊;2014年05期

7 陳展翼;袁軍堂;汪振華;黃俊;;高速銑削顫振識別和穩(wěn)定性預(yù)測[J];傳感器與微系統(tǒng);2013年03期

8 董新峰;張為民;姜源;;基于EMD復(fù)雜度與鑒別信息的磨削顫振預(yù)測[J];振動.測試與診斷;2012年04期

9 趙學(xué)智;葉邦彥;陳統(tǒng)堅;;基于小波—奇異值分解差分譜的弱故障特征提取方法[J];機械工程學(xué)報;2012年07期

10 吳石;劉獻禮;王艷鑫;;基于連續(xù)小波和多類球支持向量機的顫振預(yù)報[J];振動.測試與診斷;2012年01期

相關(guān)會議論文 前1條

1 盛曉偉;房小艷;徐洋;孫以澤;;基于短時傅里葉變換的復(fù)合磨床振動信號分析及特征提取[A];第十六屆全國模態(tài)分析與試驗學(xué)術(shù)會議論文集[C];2016年

相關(guān)博士學(xué)位論文 前2條

1 林近山;基于時間序列標度分析的旋轉(zhuǎn)機械故障診斷方法研究[D];南京航空航天大學(xué);2013年

2 從飛云;基于滑移向量序列奇異值分解的滾動軸承故障診斷研究[D];上海交通大學(xué);2012年

相關(guān)碩士學(xué)位論文 前1條

1 張哲;時頻域濾波方法及其在顫振信號處理中的應(yīng)用　[D];西北工業(yè)大學(xué);2003年

本文編號：2802155